GPT-SoVITS API调用指南：实现高效、灵活的语音合成

gptsovits-api

GPT-SoVITS简介

GPT-SoVITS是一个优秀的零样本(或少样本)中文语音克隆项目。它结合了GPT和SoVITS技术，能够实现高质量的语音合成。为了更好地支持API调用，项目维护者对原有的api.py进行了改进，推出了功能更强大的api2.py。本文将详细介绍api2.py的使用方法，帮助开发者快速上手并实现灵活的语音合成功能。

api2.py的优势

相比原版api.py，api2.py具有以下优点：

支持中英混合文本
能够按标点符号自动切分句子
提供更多自定义选项
使用更加灵活方便

这些改进大大提高了API的实用性和易用性，使得开发者能够更加得心应手地进行语音合成任务。

安装和配置

要使用api2.py，首先需要下载并将其放置在GPT-SoVITS软件目录下。执行命令与原版api.py相同，只需将文件名由api.py改为api2.py即可。默认情况下，api2.py会监听127.0.0.1:9880。

启动选项

api2.py提供了多种启动选项，以适应不同的使用场景：

1. 使用默认模型并指定参考音频

.
untimeinary api2.py -dr "123.wav" -dt "一二三四五六七。" -dl "zh"

这个命令会使用默认模型，并将123.wav作为参考音频，其文本内容为"一二三四五六七。"，语言为中文。

启动命令示例

2. 指定IP地址和端口

.
untimeinary api2.py -a "127.0.0.1" -p 9001

这个命令将API服务绑定到127.0.0.1:9001。

3. 使用自定义训练模型

.
untimeinary api2.py -s "SoVITS_weights/你的模型名" -g "GPT_weights/你的模型名" -dr "参考音频路径" -dt "参考音频文字内容" -dl zh

这个命令允许使用自己训练的模型进行语音合成。需要注意的是，使用自定义模型时必须同时指定参考音频。

4. 强制使用CPU推理

.
untimeinary api2.py -d cpu

默认情况下，api2.py会优先使用CUDA或MPS（Mac）进行推理。如果需要强制使用CPU，可以添加-d cpu参数。

API调用示例

api2.py支持GET和POST两种请求方式。以下是一些调用示例：

GET请求示例

http://127.0.0.1:9880?text=亲爱的朋友你好啊，希望你的每一天都充满快乐。&text_language=zh

这个请求将合成指定的中文文本。

POST请求示例

{
    "text": "先帝创业未半而中道崩殂，今天下三分，益州疲弊，此诚危急存亡之秋也。",
    "text_language": "zh"
}

通过POST请求，可以发送更复杂的参数，如上例中的较长文本。

指定参考音频的调用示例

http://127.0.0.1:9880?refer_wav_path=wavs/5.wav&prompt_text=为什么御弟哥哥，甘愿守孤灯。&prompt_language=zh&text=亲爱的朋友你好啊，希望你的每一天都充满快乐。&text_language=zh

这个例子展示了如何在请求中指定参考音频、参考文本以及要合成的目标文本。

返回结果

API调用成功时，将直接返回WAV格式的音频流，可以直接播放或保存为文件。HTTP状态码为200。

如果调用失败，将返回包含错误信息的JSON，HTTP状态码为400。例如：

{"code": 400, "message": "未指定参考音频且接口无预设"}

常见问题与解决方案

Q: 如何切换不同的模型？

A: api2.py不支持动态切换模型。推荐的做法是为每个模型启动一个独立的API服务，绑定不同的端口。例如：

默认模型（9880端口）：
```
.
```

untimeinary api2.py -dr "5.wav" -dt "今天好开心" -dl zh


- 自定义模型（9881端口）：
```bash
.
untimeinary api2.py -p 9881 -s "SoVITS_weights/mymode-e200.pth" -g "GPT_weights/mymode-e200.ckpt" -dr "wavs/10.wav" -dt "御弟哥哥，为什么甘愿守孤灯" -dl zh

这种方式可以同时运行多个模型，通过不同的端口进行访问。